[Sklearn应用] Preprocessing data （三）编码分类特征 Encoding categorical features

此内容在sklearn官网地址： http://scikit-learn.org/stable/modules/preprocessing.html#
sklearn版本：0.18.2

one-hot-encode

  有时特征内容并不是数值，而是字符串类型。如果直接将字符串转成一个对应的数值，造成原本的特征具有大小关系。这是需要使用 one-hot-encode编码格式。

两种转化方式：

• pandas.get_dummies()：常用方法，功能强大，操作简单；
• sklearn.preprocessing.OneHotEncoder()：用法复杂且易报错，较少使用。

pandas.get_dummies(data, columns=["one","two",...], dummy_na=False, ...) 
# columns : 需处理的列逐个填写
# dummy_na : 是否将NA作为新的分类

sklearn.preprocessing.OneHotEncoder()使用时需将列的类型转成str类型。一般类的dtype如果是object，OneHotEncoder时会报错，因为object是混合类型，需将类型转换成str类型。